人工智能顶会CVPR 2026论文分享｜SegMoTE：一种可显著提高模型泛化能力的Token级混合专家架构本推文介绍了一篇发表于CVPR 2026的论文《SegMoTE:Token-Level Mixture of Experts for Medical Image Segmentation》。SAM通用分割能力惊艳业界，但落地CT、MRI、皮肤镜、X光等多模态医学影像时存在跨模态泛化差、海量专业标注成本高昂等问题。四川大学、新疆大学、阿里达摩院等团队联合提出SegMoTE，建立Token级混合专家架构，仅新增17M可训练参数，依托仅0.15M高质量掩码数据集，在完整保留SAM（Segment Anythin